Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
Contabilidade
Departamento / Department
Departamento de Contabilidade
Ano letivo / Execution Year
2021/2022
Pré-requisitos / Pre-Requisites
Nenhum
Objetivos Gerais / Objectives
OA1. Aplicar os principais conceitos de estatística descritiva e inferencial (revisão). OA2. Identificar as potencialidades e limitações de técnicas de estatística multivariada. OA3. Aplicar técnicas estatísticas para: reduzir a redundância, previsão e classificação. OA4. Análise de relatórios, artigos e resultados de sondagens. OA5. Desenvolvimento da capacidade de estudo e de pesquisa pessoal. OA6. Desenvolvimento da capacidade de comunicação oral e escrita de trabalho realizado no âmbito da análise estatística de dados contabilísticos.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
Apresentar aos alunos as principais técnicas de análise de dados multivariada utilizadas no estudo de fenómenos contabilísticos.
Conteúdos Programáticos / Syllabus
CP1. O papel da estatística na análise de indicadores contabilísticos; CP2. Análise da informação contabilística em artigos científicos: CP2.1. Contabilidade financeira; CP2.2. Contabilidade de gestão; CP3. Análise estatística da informação contabilística: CP3.1. Análise de componentes principais; CP3.2. Análise de clusters: métodos hierárquicos e k-means; CP3.3. Métodos de previsão e classificação: regressão linear, regressão logística ou CART. CP4. Aplicações no SPSS.
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes
Esta demonstração de coerência decorre da interligação dos conteúdos programáticos (CP) com os objectivos de aprendizagem (OA), como a seguir se explicita: CP1 OA 2, 4, 5 CP2 OA 2, 4, 5, 6 CP3 OA 1, 2, 3, 5, 6 CP4 OA 1, 3
Avaliação / Assessment
1) Avaliação periódica: a) trabalho de grupo: relatório de análise de dados (20%); b) trabalho de grupo: análise crítica a um artigo científico com avaliação por pares (20%) c) teste individual (60%). Aprovação: i) mín. 7,5 valores em cada uma das provas; ii) classificação final mín. 10 valores; e, iii) assiduidade mínima de 2/3 das aulas. 2) Avaliação por exame (1ª ou 2ª época): teste escrito (100%), com classificação mínima 10 valores. Escala: 0-20 valores.
Metodologias de Ensino / Teaching methodologies
Todas as aulas são teórico-práticas em laboratório de informática.Serão utilizadas as seguintes metodologias de ensino-aprendizagem: ME1. Expositivas, para apresentação dos quadros teóricos de referência. ME2. Participativas, com análise de artigos científicos. ME3. Activas, com realização de trabalho de grupo. ME4. Experimentais, em laboratório, com desenvolvimento e exploração de modelos em computador. ME5. Auto-estudo, relacionado com o trabalho autónomo do aluno.
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes
As metodologias de ensino-aprendizagem visam o desenvolvimento das principais competências de aprendizagem dos alunos que permitam cumprir com cada um dos objectivos de aprendizagem, pelo que, na grelha a seguir, apresenta-se as principais interligações entre as metodologias de ensino-aprendizagem e os respectivos objectivos. ME1 OA 1, 2, 3 ME2 OA 2, 4, 6 ME3 OA 1, 3, 4, 5, 6 ME4 OA 1, 3 ME5 OA 1, 2, 3, 4, 5, 6
Observações / Observations
- Os alunos abrangidos pelo Regulamento Interno para Estudantes com Estatutos Especiais deverão contactar com o docente da UC, ou com o Coordenador da mesma, na primeira semana de aulas de cada semestre, com vista ao enquadramento dos processos de aprendizagem e avaliação na UC. - As frequências e os exames serão realizados presencialmente, quer se utilizem softwares/plataformas digitais ou não. - Devido à atual situação provocada pela COVID-19, o processo de avaliação poderá sofrer algumas adaptações, que serão comunicadas, caso venha a ser necessário.
Bibliografia Principal / Main Bibliography
Marôco, João (2018) Análise Estatística com o SPSS Statistics, 7ª edição., ReportNumber [ISBN: 9789899676350]. Larose, Daniel & Larose, Chantal (2015). Data Mining and Predictive Analytics (Wiley Series on Methods and Applications in Data Mining), 2nd edition, Wiley (capítulos 4, 11, 13, 19, 30) [SBN: 9781118116197].
Bibliografia Secundária / Secondary Bibliography
Rocha, Miguel & Ferreira, Pedro (2017) Análise e Exploração de Dados com o R, FCA [ISBN: 9789727228638] Laureano, Raul (2020) Testes de Hipóteses e Regressão: O Meu Manual de Consulta Rápida, Edições Sílabo [ISBN 9789895610518]. Hair, Joseph; Babin, Barry; Anderson, Rolph; & Black, William (2018) Multivariate Data Analysis, 7th edition, Cengage Learning EMEA (capítulos 3, 4, 8) [ISBN: 9781473756540]. Field, A. (2017) Discovering Statistics using IBM SPSS Statistics, 5th edition, Sage Publications (capítulos 18, 20) [ISBN: 9781526419521]. Folhas de apoio às aulas elaboradas pelo docente.
Data da última atualização / Last Update Date
2024-02-16